【发布时间】：2021-02-08 07:02:40
【问题描述】：
我有一个 pandas 数据框 df，我使用 for 循环对其进行查询，该循环通过考虑 Status 列的虚拟变量来捕获事件。逻辑是当Status从0变为1时，它标志着1的时间戳为事件的开始，当Status从1变为0时，它标志着0 的时间戳作为事件的结束。
df 看起来像这样：
ID Timestamp Value Status
103177 64 2010-09-21 23:13:21.090 21.5 1.0
252019 64 2010-09-22 00:44:14.890 21.5 1.0
271381 64 2010-09-22 00:44:15.890 21.5 0.0
268939 64 2010-09-22 00:44:17.890 23.0 0.0
259875 64 2010-09-22 00:44:18.440 23.0 1.0
18870 64 2010-09-22 00:44:19.890 24.5 1.0
205910 64 2010-09-22 00:44:23.440 24.5 0.0
103865 64 2010-09-22 01:04:33.440 23.5 0.0
152281 64 2010-09-22 01:27:01.790 22.5 0.0
138988 64 2010-09-22 02:18:52.850 21.5 0.0
...
可重现的例子：
from pandas import *
from numpy import nan
df = pd.DataFrame({'ID': {103177: 64,
252019: 64,
271381: 64,
268939: 64,
259875: 64,
18870: 64,
205910: 64,
103865: 64,
152281: 64,
138988: 64},
'Timestamp': {103177: Timestamp('2010-09-21 23:13:21.090000'),
252019: Timestamp('2010-09-22 00:44:14.890000'),
271381: Timestamp('2010-09-22 00:44:15.890000'),
268939: Timestamp('2010-09-22 00:44:17.890000'),
259875: Timestamp('2010-09-22 00:44:18.440000'),
18870: Timestamp('2010-09-22 00:44:19.890000'),
205910: Timestamp('2010-09-22 00:44:23.440000'),
103865: Timestamp('2010-09-22 01:04:33.440000'),
152281: Timestamp('2010-09-22 01:27:01.790000'),
138988: Timestamp('2010-09-22 02:18:52.850000')},
'Value': {103177: 21.5,
252019: 21.5,
271381: 21.5,
268939: 23.0,
259875: 23.0,
18870: 24.5,
205910: 24.5,
103865: 23.5,
152281: 22.5,
138988: 21.5},
'Status': {103177: 1.0,
252019: 1.0,
271381: 0.0,
268939: 0.0,
259875: 1.0,
18870: 1.0,
205910: 0.0,
103865: 0.0,
152281: 0.0,
138988: 0.0}})
df
查询for循环：
def my_func1(df):
dataframe = []
Start_time = []
StartValue = []
End_time = []
End_Value = []
StartStatus = []
End_Status = []
ID = []
state = 0
for i in range(1, len(df.index)):
if state == 0:
if (df.loc[i, 'Status'] > 0):
Start_time = df.loc[i, 'Timestamp']
StartValue = df.loc[i, 'Value']
StartStatus = df.loc[i, 'Status']
ID = df.loc[i, 'ID']
state = 1
else:
continue
elif state == 1:
if (df.loc[i, 'Status'] == 0):
End_time = df.loc[i, 'Timestamp']
End_Value = df.loc[i, 'Value']
End_Status = df.loc[i, 'Status']
state = 0
else:
continue
dataframe.append([ ID, Start_time, StartValue, StartStatus, End_time, End_Value, End_Status])
else:
continue
# Dataframe
output_table = pd.DataFrame(dataframe, columns= ["ID", "StartTime", "StartValue", "StartStatus", "EndTime", "EndValue", "EndStatus"])
return output_table
输出表格式如下（只是一个例子，与上面的数据不同）：
ID StartTime StartValue StartStatus EndTime EndValue EndStatus
0 64 2010-09-22 00:44:14.890 21.5 1.0 2010-09-22 00:44:15.890 21.5 0.0
1 64 2010-09-22 00:44:18.440 23.0 1.0 2010-09-22 00:44:23.440 24.5 0.0
2 64 2010-09-23 00:06:48.970 100.0 1.0 2010-09-23 00:06:52.970 100.0 0.0
3 64 2010-09-23 00:07:14.970 100.0 1.0 2010-09-23 00:07:23.970 100.0 0.0
4 64 2010-09-23 02:07:52.990 100.0 1.0 2010-09-23 02:08:13.990 100.0 0.0
现在我想使用output_table 中的每一行查看原始数据框df 内的每个事件，其中每个事件可以通过在@987654341 之间过滤Timestamp 来找到@ 和 EndTime。如何将我自己定义的另一个函数my_func2 应用于df 中每个单独事件的数据？ （my_func2 应该在output_table 中创建一个标签，通过考虑Value 列来表示每个事件是否满足某些条件。）
编辑：
更具体地说，my_func2 测量连续时间间隔，其中Value 保持在30 以上至少 10 秒。然后我想找到my_func1和my_func2的重叠，最终计算每个事件在这个时间间隔内的median值。
我想我可以通过比较两个事件的起点和终点的时间戳（由两个函数计算）来计算重叠。我需要帮助的是如何在df 中找到原始数据以计算每个单独事件的 median 值？任何想法都值得赞赏。
【问题讨论】：
-
能否提供更方便的数据格式？您可以查看How to make good reproducible pandas examples 了解更多信息。
-
请说明实际解决方案的要求，并直接举例说明。避免使用XY problem，因为您提出的方案不需要解决您的问题。
-
嗨@AMC，请查看已编辑的问题。
-
关于“0 -> 1 表示开始”这句话——哪一条记录标志着开始？你的“中间”是否包括起始行？最后也会出现同样的问题。请举例说明或至少提供明确和明确的规则。
-
嗨@BillHuang，它标志着
Status开始转1（从0 开始），并将结束标记为Status转0（从1 开始）。是的“介于”包括开始值和结束值